近日，林學(xué)院陶靜教授團(tuán)隊(duì)在農(nóng)林科學(xué)領(lǐng)域一區(qū)TOP期刊《Pest Management Science》（IF=4.1）上發(fā)表以“Detection and Recognition of the Invasive species, Hylurgus ligniperda, in Traps, Based on a Cascaded Convolution Neural Network”為題目的研究成果，在實(shí)現(xiàn)長(zhǎng)林小蠹等害蟲(chóng)的遠(yuǎn)程實(shí)時(shí)檢測(cè)與計(jì)數(shù)方面取得了新進(jìn)展。
長(zhǎng)林小蠹Hylurgus ligniperda Fabricius是國(guó)際重大林業(yè)檢疫性害蟲(chóng)。林學(xué)院林業(yè)有害生物防控創(chuàng)新團(tuán)隊(duì)于2020年在山東省黑松海防林中首次發(fā)現(xiàn)該物種入侵，對(duì)我國(guó)森林生態(tài)安全造成重大威脅，及時(shí)檢測(cè)長(zhǎng)林小蠹傳播意義重大。傳統(tǒng)的誘捕器監(jiān)測(cè)需要人工定期進(jìn)行檢查，人工成本高昂，且要求具備昆蟲(chóng)分類基本專業(yè)知識(shí)。團(tuán)隊(duì)前期自主研發(fā)的長(zhǎng)林小蠹信息素誘捕技術(shù)取得了良好效果（已獲授權(quán)專利：ZL202110839177.0），在成蟲(chóng)揚(yáng)飛期，單個(gè)誘捕器單日可誘集成蟲(chóng)近200頭，為監(jiān)測(cè)和防治提供了高效簡(jiǎn)便的技術(shù)。
圖1 誘捕器懸掛方式（左），誘捕器內(nèi)大量成蟲(chóng)（中），工作照（右）
近年來(lái)，以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）為代表的人工智能識(shí)別檢測(cè)技術(shù)已逐漸應(yīng)用于害蟲(chóng)監(jiān)測(cè)領(lǐng)域。研究團(tuán)隊(duì)設(shè)計(jì)應(yīng)用了一個(gè)兩階段級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)——YOLOX-MobileNetV2（YOLOX-Mnet），實(shí)現(xiàn)了林間信息素誘捕器內(nèi)長(zhǎng)林小蠹，以及褐梗天牛Arhopalus rusticus、油松梢小蠹Cryphalus tabulaeformis等害蟲(chóng)的識(shí)別。在第一階段，YOLOX作為目標(biāo)檢測(cè)模型識(shí)別出圖像中的昆蟲(chóng)和非昆蟲(chóng)目標(biāo)，并過(guò)濾掉非昆蟲(chóng)目標(biāo)；在第二階段，MobileNetV2作為分類網(wǎng)絡(luò)，對(duì)捕獲的昆蟲(chóng)進(jìn)行分類。這種方法可以快速準(zhǔn)確地從誘捕器圖像中檢測(cè)出長(zhǎng)林小蠹等目標(biāo)昆蟲(chóng)，并已通過(guò)嵌入式遠(yuǎn)程圖像采集器，實(shí)現(xiàn)了長(zhǎng)林小蠹的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)與計(jì)數(shù)，為手動(dòng)檢查提供了更高效的替代方案。
圖2 YOLOX網(wǎng)絡(luò)結(jié)構(gòu)圖
圖3 級(jí)聯(lián)卷積檢測(cè)過(guò)程
林學(xué)院20級(jí)碩士研究生張霞輝和22級(jí)碩士研究生李正一為本文共同作者，陶靜教授為通訊作者，任利利高級(jí)實(shí)驗(yàn)師參與了論文的指導(dǎo)工作。本論文是陶靜教授團(tuán)隊(duì)在林業(yè)害蟲(chóng)監(jiān)測(cè)和人工智能交叉融合趨勢(shì)下的最新探索。目前，研究團(tuán)隊(duì)正在開(kāi)展野外環(huán)境下害蟲(chóng)實(shí)時(shí)精準(zhǔn)監(jiān)測(cè)技術(shù)的研發(fā)，將進(jìn)一步探索森林自動(dòng)化監(jiān)測(cè)預(yù)警領(lǐng)域，提高對(duì)害蟲(chóng)的監(jiān)測(cè)和識(shí)別效率，為此項(xiàng)技術(shù)在森林生態(tài)安全保護(hù)中的實(shí)際應(yīng)用作出積極貢獻(xiàn)。
本研究受到“十四五”重點(diǎn)研發(fā)項(xiàng)目“重大林草入侵生物擴(kuò)張蔓延機(jī)制與高效防控技術(shù)研究”（2021YFD1400300）的資助。
文章鏈接：https://doi.org/10.1002/ps.8126
